CN117493860B - 一种海洋贝类养殖生态容量评估方法及系统 - Google Patents
一种海洋贝类养殖生态容量评估方法及系统 Download PDFInfo
- Publication number
- CN117493860B CN117493860B CN202410003781.3A CN202410003781A CN117493860B CN 117493860 B CN117493860 B CN 117493860B CN 202410003781 A CN202410003781 A CN 202410003781A CN 117493860 B CN117493860 B CN 117493860B
- Authority
- CN
- China
- Prior art keywords
- ecological
- capacity
- principal component
- culture
- tpp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000015170 shellfish Nutrition 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004088 simulation Methods 0.000 claims abstract description 39
- 238000000513 principal component analysis Methods 0.000 claims abstract description 7
- 239000002028 Biomass Substances 0.000 claims description 33
- AYEKOFBPNLCAJY-UHFFFAOYSA-O thiamine pyrophosphate Chemical compound CC1=C(CCOP(O)(=O)OP(O)(O)=O)SC=[N+]1CC1=CN=C(C)N=C1N AYEKOFBPNLCAJY-UHFFFAOYSA-O 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 125000000524 functional group Chemical group 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 235000016709 nutrition Nutrition 0.000 claims description 12
- 238000011835 investigation Methods 0.000 claims description 11
- 230000002596 correlated effect Effects 0.000 claims description 8
- 235000013305 food Nutrition 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 6
- 230000035764 nutrition Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000009313 farming Methods 0.000 claims description 2
- 238000009360 aquaculture Methods 0.000 abstract description 9
- 244000144974 aquaculture Species 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 2
- 241000894007 species Species 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明提供了一种海洋贝类养殖生态容量评估方法及系统,属于水产养殖生物学及养殖管理领域,所述方法基于Ecopath模型,运用全过程密度情景模拟和主成分分析等技术方法,包括建模、情景模拟和估算贝类养殖生态容量三个步骤。通过本研究方法的应用,能够评估海洋贝类养殖的生态容量,确定合适的养殖密度,实现生态友好型养殖,保护水生生态环境,为可持续发展打下牢固基础。因此本申请的海洋贝类养殖生态容量评估方法,具备良好的养殖规模指导能力,可广泛使用于生态容量预估技术领域。
Description
技术领域
本发明涉及水产养殖生物学及养殖管理技术领域,具体涉及一种海洋贝类养殖生态容量评估方法及系统。
背景技术
作为海洋经济重要组成部分,海洋渔业产业发展中一直面临着经济增长与环境保护如何平衡的挑战。中国是世界上主要的养殖贝类生产国,科学的水产养殖规划可以避免过度养殖,进而减少养殖废弃物和养殖过程中产生的污染物对环境的影响,以保证养殖生产的稳定性。作为水产养殖规划的一个重要部分,养殖容量评估具有重要的科学意义,被广泛用于指导管理可持续的养殖活动。
基于 Ecopath 模型进行情景模拟是现在研究者已经达成共识的评估养殖贝类生态容量的方法。近年来,利用Ecopath模型估算生态容量的研究方法得到进一步发展。这些方法共可以梳理为3大类,分别是:(1)基于生态营养效率(EE)的评估方法;(2)基于最大可持续产量(MSY)的评估方法;(3)基于食物竞争的评估方法。
其中,基于生态营养效率(EE)的评估方法是现在常用的研究方法,该方法认为当模型处于平衡时,当前的养殖量即为生态容量。但是这种方法只关注了水产养殖对初级生产力的影响,没有考虑到整个生态系统结构和功能等生态系统的总体质量。这使得评估的结果总是高于实际情况,反映的是生态系统即将崩溃的临界状态。基于最大可持续产量(MSY)的评估方法引入最大可持续产量理论作为生态容量的判断标准,估算步骤也较为简便,然而,该方法仅从单一目标生物的角度出发,重点关注产出的可持续性问题,而没有考虑到对整个生态系统结构和功能的影响。基于食物竞争的评估方法通过模拟养殖贝类和其竞争者生物量的相互转化的动态变化过程,其设置的情景模拟更加科学准确。然而,这种方法只设置了低、中和高等 3 种养殖情景,不能覆盖所有养殖方案。更重要的是,在挑选最佳养殖情景时,缺乏客观的评价标准,导致生态容量的估算带有主观性。同时上述三种方法只关注到养殖贝类对海洋系统的负面影响,缺少对海域积极影响的研究。
本申请发明人在研究中发现:贝类群体对海洋生态系统同样具有正面的影响,贝类的这种正面的生态系统服务功能不应忽视,在进行容量评估时需要同时考虑正负两方面的效应。生态容量评估应设立全面的养殖情景模拟,在不同的养殖方案下,评估指标表现出正面以及负面的不同影响,养殖海域的生态系统质量存在差异。
因此,本专利将采用基于Ecopath的方法,从生态系统层面进行评估,以更全面和综合的方式来量化生态容量,并提供了基于此方法的智能评估系统。
发明内容
本申请实施例提供一种海洋贝类养殖生态容量评估方法及系统,以生态系统质量为导向,旨在确定生态系统所能承载的养殖贝类数量和种类,从而为海水养殖贝类的生态容量提供更加科学准确的评估,从而起到科学指导生态容量评估的作用。
为解决上述技术问题,本申请提出的技术方案是:
一种海洋贝类养殖生态容量评估方法,所述方法包括:
步骤1:建模:收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;
步骤2:情景模拟:设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度;
步骤3:估算贝类养殖生态容量:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量。
进一步地,在步骤1中,所述收集待评估海域的水文地质数据包括:对评估区域社会经济的调查和调研工作,收集历史海洋实地调查数据和官方发布的统计年鉴资料,研究当地养殖品种、养殖面积和养殖产量情况。
进一步地,在步骤1中,所述生物生态数据包括:生态系统所有物种的生物量(B),生产量/生物量(P/B),消耗量/生物量(Q/B)以及上岸量(Landings)。
进一步地,在步骤1中,所述划分功能组是指:根据物种间相似的生活水层和生态习性划分功能组。
进一步地,在步骤2中,所述最大生产力通过调平模型削减浮游动物生物量的方式得到,包括:不断削减浮游动物生物量使得浮游动物的生态营养效率为1,并且再进一步削减浮游动物生物量就会影响到更高营养级摄食者为止。
进一步地,在步骤2中,情景模拟过程中,使浮游植物生态营养效率(EE)维持在初始状态不变的同时相应改变养殖贝类在浮游植物的竞争者的生物量。
进一步地,在步骤2中,生态系统质量指标信息包括:TPP/TR、TPP/TB、TB/TST、NSP、SOI、FCI、FML、PCI、A/C、Capacity、Information、H diversity十二个输出参数值。
进一步地,在步骤3中,PCA主成分分析得到代表所述指标信息的两个主成分轴,第一个主成分轴PC1与H diversity,Information,TPP/TR,TPP/TB,A/C,SOI和PCI呈正相关,而与TB/TST,Capacity,FML,FCI呈负相关;第二个主成分轴PC2与Capacity,FCI,A/C,SOI以及H diversity的成分负荷高,表明生态系统质量高,反之,表明生态系统质量低。
进一步地,在步骤3中,用Excel拟合biplot双标图中PCA的轨迹演替,并获取第二个主成分轴PC2取最大值时的第一个主成分轴PC1值PC10,用Excel拟合第一个主成分轴PC1得分和不同养殖情景密度的曲线,PC10处的养殖密度即为最优贝类养殖生态容量。
另一方面,本申请还保护一种海洋贝类养殖生态容量评估系统,所述系统包括:
建模模块,收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;
情景模拟模块,设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度;
估算贝类养殖生态容量模块:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量。
相比于现有技术,本发明一种海洋贝类养殖生态容量评估方法及系统取得了如下有益技术效果:该方法以生态系统质量为导向,能够确定生态系统所能承载的养殖贝类数量,从而为海水养殖贝类的生态容量提供更加科学准确的评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于一种海洋贝类养殖生态容量评估方法的长岛群岛养殖贝类生态系统18种养殖情景的主成分分析结果;
图2为本发明实施例提供的基于一种海洋贝类养殖生态容量评估方法的长岛群岛养殖贝类生态系统不同情景模拟下PC1和PC2得分的拟合曲线 ;
图3为本发明实施例提供的基于一种海洋贝类养殖生态容量评估方法的长岛群岛养殖贝类生态系统养殖贝类PC1得分与生物量的拟合曲线;
图4为本发明实施例提供的基于一种海洋贝类养殖生态容量评估方法的不同情景模拟下生态网络分析指标的输出值示意图。
图5为本发明实施例提供的基于一种海洋贝类养殖生态容量评估系统的结构示意图。
图6为本发明实施例提供的基于一种海洋贝类养殖生态容量评估系统的处理设备示意图。
具体实施方式
下面通过实施例结合附图来对本发明的技术方案做进一步解释,但本发明的保护范围不受实施例任何形式上的限制。
本申请的一种海洋贝类养殖生态容量评估方法包括以下步骤:
一种海洋贝类养殖生态容量评估方法,所述方法包括:
步骤1:建模:收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;具体地:建立Ecopath模型:对评估区域社会经济的调查和调研工作,收集历史海洋实地调查数据和官方发布的统计年鉴资料,研究当地养殖品种、养殖面积和养殖产量等现状情况。在此基础上分析养殖产量较大的养殖物种,明确评估的目标和范围,并收集生态系统所有物种的生物量(B),生产量/生物量(P/B),消耗量/生物量(Q/B)以及上岸量(Landings)等生物生态数据,明确参数值。然后,根据物种间相似的生活水层和生态习性划分功能组,构建食性矩阵。将上述参数值输入到模型中,建立Ecopath模型并进行模型检验。
步骤2:开展养殖密度生态效应研究:首先计算养殖目标的最大生产力。根据通过调平模型削减主要竞争者(一般为浮游动物)生物量,直到主要竞争者的生态营养效率为1,进一步缩减会影响到其更高营养级摄食者为止得到的。当模型变得不平衡时,获得养殖物种最大生产容量估算值。在此基础上设定适合的密度梯度变化率,确定养殖目标的密度梯度范围(从无养殖到最大生产力的所有养殖情景),使模拟不少于15个场景。通过情景模拟分析,输出全面的生态系统质量指标信息(包括TPP/TR、TPP/TB、TB/TST、NSP、SOI、FCI、FML、PCI、A/C、Capacity、Information、H diversity),涵盖生态系统各个方面来指示生态系统质量。其中,最大生产力是通过增加养殖贝类生物量,削减浮游动物生物量得到的。当浮游动物的生态营养效率为1,进一步缩减会影响到其更高营养级摄食者时,模型变得不平衡,获得养殖贝类的最大生产力估算值。情景模拟具体包括:设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力 进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度。
步骤3:估算养殖贝类生态容量:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量。
选取养殖密度生态效应分析中情景模拟结果的数据矩阵,并使用函数为‘prcomp()’的R语言软件包进行上述指数值的标准化和降维处理,然后输出biplot双标图。箭头就是总体特征参数即评估指标,PCA得分反应的是生态系统质量高低。从载荷图中的变化轨迹可以看出,在特定的情景模拟密度存在拐点,此时生态系统质量最高即最佳养殖情景。最后,用Excel拟合biplot的横纵坐标轴,即养殖情景模拟PC1和PC2得分,找出对应的PC1得分。再通过拟合PC1得分-养殖密度曲线,估算养殖贝类的生态容量。
以下结合图1-4进一步介绍本申请的实施例:
实施例1
一种海洋贝类养殖生态容量评估方法,包括以下步骤: 步骤1:本申请构建了24个功能组(参见表1),包括碎屑和浮游植物,以及斑海豹、东亚江豚和养殖双壳类的单独功能组。在本研究中,模型中使用的大部分输入数据来自现场研究、期刊文献和经验方程。鱼类群体的生物量估计主要来自于山东海洋资源与环境研究院编制的《长岛海洋资源环境本底调查与评估》报告。该研究报告包括2018年至2019年对海水、沉积物和生物生态的调查。其他功能组的生物量大多是由经验方程得出的。对于生态学参数,在鱼类功能组中,P/B和Q/B是从数据网站Fish Base(www.fishbase.org/)的生活史工具中获得的。其他大部分物种的生活史数据是根据其他相关文献研究获得的。功能组的食性数据通过以下文献收集:(a)渤海食物网研究,包括鱼类和无脊椎动物;(b)与该物种最接近的物种信息来源。渔业数据来自长岛海洋生态文明综合实验区渔业统计年鉴(2016-2020)。
表1长岛群岛生态系统 Ecopath 模型的功能组及主要种类组成
步骤2:在情景模拟中本申请保持浮游植物的生态效率初始值不变,在此基础上以10%的变化率(0.458t/km2,4.58 t/km2,9.16 t/km2…)调整养殖贝类的生物量和上岸量一直到其最大生产力进行情景模拟实验,使浮游植物生态效率维持在初始状态的同时相应调整浮游动物的生物量(表2),共设置覆盖全部养殖情景的18个模拟方案(18个模拟方案输出值依次列于表3)。通过情景模拟实验得到TPP/TR、TPP/TB、TB/TST、NSP、SOI、FCI、FML、PCI、A/C、Capacity、Information、H diversity等12个输出指标的参数值(表3)。将表3数据绘制为图4可以发现,指标的变化并非简单线性的,存在着最佳生态系统质量情景,也就是最佳养殖情景。本申请的创新点在于不再注重情景模拟的主观选择,而是以生态网络分析指标指示下生态系统质量为导向,反推最佳的养殖情景。
表2 情景模拟设置
步骤3:利用主成分分析降维处理不同密度下模型输出的指标值,可以有效解释总变异的99.4%。前两个主成分轴(PC1和PC2)即可代表所有指标输出数值信息。通过主成分分析的biplot结果图(图1),可以看出第一个主成分轴(PC1)的解释度为87.9%,反映了养殖密度的梯度变化趋势。PC1与H diversity,Information,TPP/TR,TPP/TB,A/C,SOI和PCI呈正相关,而与TB/TST,Capacity,FML,FCI以及TE呈负相关。第二个主成分轴(PC2)中与Capacity,FCI,A/C,SOI以及H diversity等结构性指标有较高的成分负荷,反应的是生态系统质量高低。从载荷图中的变化轨迹可以看出,在情景模拟8~9密度的之间存在拐点,即最佳养殖情景(图1)。
通过对PC1和PC2得分进行拟合(y = -0.1244x2+ 0.068x + 1.4215,R² =0.9836),进一步测算了最佳的养殖情景下的养殖密度,即生态容量。拟合的结果显示,当养殖密度为生态容量时,PC10= 0.273 (图2)。图2中1-18个点分别为18个模拟方案的拟合值。最后通过构建PC1和养殖贝类密度的关系曲线(y = -0.1495x + 5.2085,R² = 0.9915),可以得出PC10= 0.273时的生态容量为33.01 t/km2(图3)。
表3 不同情景模拟下生态网络分析指标的输出值
本申请还提供了一种海洋贝类养殖生态容量评估系统,参见图5,所述系统包括:
建模模块101,收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;
情景模拟模块102,设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度;
估算贝类养殖生态容量模块103:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量。
上述评估系统,能够根据输入基础数据,根据本申请评估方法智能计算出海洋贝类养殖的生态容量,从而提高了计算效率。
参阅图6,图6示出了本申请一种海洋贝类养殖生态容量评估系统的处理设备的一种结构示意图,具体的,本申请一种海洋贝类养殖生态容量评估系统的处理设备包括处理器501、存储器502以及输入输出设备503,处理器501用于执行存储器502中存储的计算机程序时实现前述海洋贝类养殖生态容量评估方法的各步骤;或者,处理器501用于执行存储器502中存储的计算机程序时实现如图4对应实施例中各单元的功能,存储器502用于存储处理器501执行上述海洋贝类养殖生态容量评估方法所需的计算机程序。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器502中,并由处理器501执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
前述处理设备可包括,但不仅限于处理器501、存储器502、输入输出设备503。本领域技术人员可以理解,示意仅仅是派送资源的处理设备的示例,并不构成对处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如处理设备还可以包括网络接入设备、总线等,处理器501、存储器502、输入输出设备503以及网络接入设备等通过总线相连。
处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是处理设备的控制中心,利用各种接口和线路连接整个设备的各个部分。
存储器502可用于存储计算机程序和/或模块,处理器501通过运行或执行存储在存储器502内的计算机程序和/或模块,以及调用存储在存储器502内的数据,实现计算机装置的各种功能。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据海洋贝类养殖生态容量评估系统的处理设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种海洋贝类养殖生态容量评估方法,其特征在于,所述方法包括:
步骤1:建模:收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;
步骤2:情景模拟:设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度;生态系统质量指标信息包括:TPP/TR、TPP/TB、TB/TST、NSP、SOI、FCI、FML、PCI、A/C、Capacity、Information、H diversity十二个输出参数值;
步骤3:估算贝类养殖生态容量:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量;
在步骤3中,PCA主成分分析得到代表所述指标信息的两个主成分轴,第一个主成分轴PC1与H diversity,Information,TPP/TR,TPP/TB,A/C,SOI和PCI呈正相关,而与TB/TST,Capacity,FML,FCI呈负相关;第二个主成分轴PC2与Capacity,FCI,A/C,SOI以及Hdiversity的成分负荷高,表明生态系统质量高,反之,表明生态系统质量低;
在步骤3中,用Excel拟合biplot双标图中PCA的轨迹演替,并获取第二个主成分轴PC2取最大值时的第一个主成分轴PC1值PC10,用Excel拟合第一个主成分轴PC1得分和不同养殖情景密度的曲线,PC10处的养殖密度即为最优贝类养殖生态容量。
2.根据权利要求1所述的一种海洋贝类养殖生态容量评估方法,其特征在于,在步骤1中,所述收集待评估海域的水文地质数据包括:对评估区域社会经济的调查和调研工作,收集历史海洋实地调查数据和官方发布的统计年鉴资料,研究当地养殖品种、养殖面积和养殖产量情况。
3.根据权利要求1所述的一种海洋贝类养殖生态容量评估方法,其特征在于,在步骤1中,所述生物生态数据包括:生态系统所有物种的生物量(B),生产量/生物量(P/B),消耗量/生物量(Q/B)以及上岸量(Landings)。
4.根据权利要求1所述的一种海洋贝类养殖生态容量评估方法,其特征在于,在步骤1中,所述划分功能组是指:根据物种间相似的生活水层和生态习性划分功能组。
5.根据权利要求1所述的一种海洋贝类养殖生态容量评估方法,其特征在于,在步骤2中,所述最大生产力通过调平模型削减浮游动物生物量的方式得到,包括:不断削减浮游动物生物量使得浮游动物的生态营养效率为1,并且再进一步削减浮游动物生物量就会影响到更高营养级摄食者为止。
6.根据权利要求5所述的一种海洋贝类养殖生态容量评估方法,其特征在于,在步骤2中,情景模拟过程中,使浮游植物生态营养效率(EE)维持在初始状态不变的同时相应改变养殖贝类在浮游植物的竞争者的生物量。
7.一种海洋贝类养殖生态容量评估系统,其特征在于,所述系统包括:
建模模块,收集待评估海域的水文地质数据和生物生态数据,划分功能组,构建食物矩阵,建立Ecopath模型并进行模型检验;
情景模拟模块,设定适合的养殖密度梯度变化率,从退养逐步调整生物量和上岸量一直到其最大生产力进行情景模拟,通过情景模拟输出生态系统质量的指标信息,所述生态系统质量是指在特定的时间和空间范围内生态系统的总体状态, 具体表现为生态系统的稳定性和健康程度;生态系统质量指标信息包括:TPP/TR、TPP/TB、TB/TST、NSP、SOI、FCI、FML、PCI、A/C、Capacity、Information、H diversity十二个输出参数值;
估算贝类养殖生态容量模块:对所述指标信息的数据矩阵进行PCA标准化和降维处理,输出biplot双标图,然后拟合PCA的轨迹演替和第一主成分轴PC1-养殖密度曲线,依据曲线估算贝类养殖的生态容量;
在估算贝类养殖生态容量模块中,PCA主成分分析得到代表所述指标信息的两个主成分轴,第一个主成分轴PC1与H diversity,Information,TPP/TR,TPP/TB,A/C,SOI和PCI呈正相关,而与TB/TST,Capacity,FML,FCI呈负相关;第二个主成分轴PC2与Capacity,FCI,A/C,SOI以及H diversity的成分负荷高,表明生态系统质量高,反之,表明生态系统质量低;
在估算贝类养殖生态容量模块中,用Excel拟合biplot双标图中PCA的轨迹演替,并获取第二个主成分轴PC2取最大值时的第一个主成分轴PC1值PC10,用Excel拟合第一个主成分轴PC1得分和不同养殖情景密度的曲线,PC10处的养殖密度即为最优贝类养殖生态容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410003781.3A CN117493860B (zh) | 2024-01-03 | 2024-01-03 | 一种海洋贝类养殖生态容量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410003781.3A CN117493860B (zh) | 2024-01-03 | 2024-01-03 | 一种海洋贝类养殖生态容量评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117493860A CN117493860A (zh) | 2024-02-02 |
CN117493860B true CN117493860B (zh) | 2024-04-26 |
Family
ID=89671273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410003781.3A Active CN117493860B (zh) | 2024-01-03 | 2024-01-03 | 一种海洋贝类养殖生态容量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493860B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261545A (zh) * | 2019-06-24 | 2019-09-20 | 浙江工商大学 | 一种用于确定味觉物质感官评价属性的方法 |
CN111422988A (zh) * | 2020-03-09 | 2020-07-17 | 北京师范大学 | 一种结合食物网模型以及生物操控技术的不同功能区生态系统修复方法 |
CN113065247A (zh) * | 2021-03-26 | 2021-07-02 | 自然资源部第一海洋研究所 | 一种基于高分辨率海洋预报系统的新型渔情预报模型及方法 |
CN113853443A (zh) * | 2019-03-08 | 2021-12-28 | 株式会社Neogentc | 用于预测淋巴细胞的肿瘤反应性的标志物及其用途 |
CN115541770A (zh) * | 2022-10-24 | 2022-12-30 | 厦门市燕之屋丝浓食品有限公司 | 一种基于风味物质差异分析的即食燕窝贮存条件适宜性的快速评估方法 |
CN116644879A (zh) * | 2023-03-30 | 2023-08-25 | 中国科学院海洋研究所 | 一种海洋牧场生态承载力评估与管理系统 |
CN116663930A (zh) * | 2023-06-01 | 2023-08-29 | 海南大学 | 一种热带海洋牧场生态管理方法、系统、设备及介质 |
CN117035227A (zh) * | 2023-07-21 | 2023-11-10 | 国家海洋技术中心 | 一种扇贝养殖容量的快速评估方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230048349A1 (en) * | 2021-08-02 | 2023-02-16 | The Texas A&M University System | Recirculating aquaculture system and methods thereof |
-
2024
- 2024-01-03 CN CN202410003781.3A patent/CN117493860B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113853443A (zh) * | 2019-03-08 | 2021-12-28 | 株式会社Neogentc | 用于预测淋巴细胞的肿瘤反应性的标志物及其用途 |
CN110261545A (zh) * | 2019-06-24 | 2019-09-20 | 浙江工商大学 | 一种用于确定味觉物质感官评价属性的方法 |
CN111422988A (zh) * | 2020-03-09 | 2020-07-17 | 北京师范大学 | 一种结合食物网模型以及生物操控技术的不同功能区生态系统修复方法 |
CN113065247A (zh) * | 2021-03-26 | 2021-07-02 | 自然资源部第一海洋研究所 | 一种基于高分辨率海洋预报系统的新型渔情预报模型及方法 |
CN115541770A (zh) * | 2022-10-24 | 2022-12-30 | 厦门市燕之屋丝浓食品有限公司 | 一种基于风味物质差异分析的即食燕窝贮存条件适宜性的快速评估方法 |
CN116644879A (zh) * | 2023-03-30 | 2023-08-25 | 中国科学院海洋研究所 | 一种海洋牧场生态承载力评估与管理系统 |
CN116663930A (zh) * | 2023-06-01 | 2023-08-29 | 海南大学 | 一种热带海洋牧场生态管理方法、系统、设备及介质 |
CN117035227A (zh) * | 2023-07-21 | 2023-11-10 | 国家海洋技术中心 | 一种扇贝养殖容量的快速评估方法和系统 |
Non-Patent Citations (3)
Title |
---|
Daniela Cascione 等.Modelling dynamic effects of fishery on odontocetes through a food-web modelling approach in the Gulf of Taranto (Northern Ionian Sea).《2022 IEEE International Workshop on Metrology for the Sea * |
Learning to Measure Sea Health Parameters (MetroSea)》.2022,第308-313页. * |
獐子岛海域虾夷扇贝底播增殖生态容量评估;张紫轩 等;《中国水产科学》;20210731;第878-887页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117493860A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abate et al. | Stringency of environmental regulation and aquaculture growth: A cross-country analysis | |
Plagányi | Models for an ecosystem approach to fisheries | |
Harvey et al. | Food web structure and trophic control in central Puget Sound | |
Prellezo et al. | A review of EU bio-economic models for fisheries: the value of a diversity of models | |
Morales-Zárate et al. | Ecosystem trophic structure and energy flux in the Northern Gulf of California, México | |
McDaniels et al. | Vulnerability of Fraser River sockeye salmon to climate change: A life cycle perspective using expert judgments | |
Hoagland et al. | The optimal allocation of ocean space: aquaculture and wild-harvest fisheries | |
Lubetkin et al. | Multi‐source mixing models to quantify food web sources and pathways | |
Pachzelt et al. | Coupling a physiological grazer population model with a generalized model for vegetation dynamics | |
Heidari et al. | Using nonparametric analysis (DEA) for measuring technical efficiency in poultry farms | |
Ren et al. | A dynamic energy budget model for small yellow croaker Larimichthys polyactis: Parameterisation and application in its main geographic distribution waters | |
Morissette et al. | Ecosystem models clarify the trophic role of whales off Northwest Africa | |
Jia et al. | Modeling trophic structure and energy flows in a typical macrophyte dominated shallow lake using the mass balanced model | |
Elvarsson et al. | Pushing the limits of a data challenged stock: A size-and age-structured assessment of ling (Molva molva) in Icelandic waters using Gadget | |
Beaudouin et al. | Selecting parameters for calibration via sensitivity analysis: An individual-based model of mosquitofish population dynamics | |
CN117493860B (zh) | 一种海洋贝类养殖生态容量评估方法及系统 | |
Hean et al. | A growth model for giant clams Tridacna crocea and T. derasa | |
El-Gayar et al. | ADDSS: a tool for regional aquaculture development | |
Adebola et al. | Compartive network analyses for Nigerian coastal waters using two ecopath models developed for the years 1985 and 2000 | |
Dur et al. | Individual-based model of the phenology of egg-bearing copepods: Application to Eurytemora affinis from the Seine estuary, France | |
Varkey et al. | Describing growth based on landscape characteristics and stocking strategies for rainbow trout | |
Gatti et al. | Mussel farming production capacity and food web interactions in a mesotrophic environment | |
Zhang et al. | Assessing the distribution and sustainable exploitation of lophius litulon in marine areas off Shandong, China | |
Stecken et al. | Ecosystem approach to fisheries and marine ecosystem modelling: review of current approaches | |
Lola et al. | Sustainability of integrated aquaculture development project using system dynamic approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |